Venerdi 12 maggio iniziano le lezioni di laboratorio di

Venerdi 12 maggio iniziano le lezioni di laboratorio di deep learning,
preparate in collaborazione con il dr. Marco Carletti ([email protected]), che vi
seguirà con le esercitazioni in Python. A questo proposito, vi ricordo
di portarvi il portatile, ci sarà una lezione a metà tra teoria e pratica.
Allego le sue raccomandazioni su quanto necessario per far girare gli
esercizi. Assicuratevi di aver messo a punto il vostro sistema una volta
in aula. Se avete problemi, scrivete ad entrambi.
Buon proseguimento!
*_Requisiti_*
Si lavorerà in *Python 3.5* coi moduli:
* matplotlib <http://matplotlib.org/>
* NumPy <http://www.numpy.org/>
* TensorFlow <https://www.tensorflow.org/get_started/os_setup>
Il codice gira senza problemi su CPU, ma è consigliata una GPU nVidia
per velocizzare le prestazioni (di circa 10 volte).
A questa pagina
<http://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/> è
possibile trovare informazioni utili all'installazione dei requisiti
"grafici" di TensorFlow:
* CUDA Toolkit 8+ <https://developer.nvidia.com/cuda-downloads>
* CuDNN 5+ <https://developer.nvidia.com/cudnn>
/Nota bene: la GPU deve avere una potenza grafica superiore a 3 (vedi
qui <https://developer.nvidia.com/cuda-gpus>)./
*_Sistema operativo_*
*
*
*Linux *ha spesso problemi coi driver nVidia, meno curati della versione
Windows. Nonostante ciò, se funzionante, Linux è la scelta più
performante e da preferire.
Per chi lavora in *Windows *(ho testato sotto Win10) conviene affidarsi
ad Anaconda <https://www.continuum.io/downloads>, o Miniconda
<http://conda.pydata.org/miniconda.html> 3+, che contiene tutto il
necessario per lavorare in Python. L'installazione dei pacchetti può
essere fatta come sotto Linux, tramite il terminale di Anaconda avviato
come amministratore.
*_Ambiente di sviluppo_*
Non pongo vincoli perchè le esercitazioni sono script .py autocontenuti,
eseguibili da linea di comando. Va quindi a preferenza.
Gli editor di testo che prevedono un build-system integrato sono ottimi
per la velocità di scrittura ed esecuzione del codice che non ha infatti
overhead nell'esecuzione. Tipicamente questi software mancano
dell'autocompletamento e debugger.
Esempio: Sublime Text <https://www.sublimetext.com/3> (gratis,
multipiattaforma)
Gli IDE offrono il sistema di autocompletamento, utilissimo per chi non
è praticissimo con Python e le librerie sopracitate, ma richiede di
creare un progetto e appesantire l'esecuzione (per lo meno l'avvio)
degli script.
Esempio: Visual Studio + Python Tools
<https://www.visualstudio.com/it/vs/python/> (gratis, solo Windows)
Un buon compromesso è il pacchetto Python Jupyter Notebook
<http://jupyter.org/> (installabile come un qualunque altro modulo
tramite pip): un'interfaccia web gratuita simile ad un editor di testo,
ma offre l'autocompletamento, la possibilità di dividere (ed eseguire)
il codice in blocchi, così da evitare la riesecuzione dell'intero
script. Essendo un'interfaccia web, non apre finestre, utili se si vuole
interagire o animare una figura plottata.
_*Guida all'installazione*_
Se in possesso di GPU nVidia è bene installare il CUDA Toolkit (ver 8+)
e CuDNN (ver 5+).
Per CUDA Toolkit, scaricare l'installer
<https://developer.nvidia.com/cuda-downloads> (~1.2 GB) e seguire le
istruzioni presenti nella pagina di download.
Per CuDNN, è necessario registrarsi al sito nVidia prima di scaricare
l'archivio <https://developer.nvidia.com/cudnn> (~50 MB), da scompattare
in base al sistema operativo usato.
*_Linux_*
Per completare l'installazione CuDNN, seguire le indicazioni a
questa pagina
<http://askubuntu.com/questions/767269/how-can-i-install-cudnn-on-ubuntu-16-04>.
Per Python 3.5, aprire un terminale e lanciare i seguenti comandi
sudo apt install python3 python3-dev python3-pip
sudo pip3 install numpy matplotlib
CPU:
sudo pip3 install tensorflow
GPU:
sudo pip3 install tensorflow-gpu
_*Windows*_
Scompattare l'archivio CuDNN e copiare il contenuto nelle
sottocartelle bin, include e lib presenti nella cartella di
installazione CUDA: C:\Program Files\NVIDIA GPU Computing
Toolkit\CUDA\v8.0
Per Python 3.5, consiglio l'installazione di Anaconda o Miniconda 3+
<http://conda.pydata.org/miniconda.html>: crea una comoda
interfaccia all'installazione Python, facilmente riutilizzabile in
tutto il sistema dai vari programmi che ne faranno uso. Mentre
Anaconda presenta un'installer molto più corposo e ricco di
pacchetti, Miniconda 3+ è un'installazione minimale (ha solo Python
3.5 e alcuni pacchetti). Bisogna quindi installare i moduli
necessari alle esercitazioni manualmente, avviando come
amministratore il terminale di Anaconda (appena installato) e
lanciare gli stessi comandi pip3 della versione Linux (sudo escluso).
In caso di problemi nell'installazione di TensorFlow, provare con le
istruzioni alla pagina ufficiale
<https://www.tensorflow.org/get_started/os_setup>.
-*------------------------------------------------------*
Prof. Marco Cristani, Ph.D.
Associate Professor
Dipartimento di Informatica
Universita` degli Studi di Verona
Ca' Vignal 2, Strada Le Grazie 15, 37134 Verona, Italy
Tel: +39 045 802 7841, Fax: +39 045 802 7068
Secretary: +39 045 802 7069
E-mail:[email protected]
WWW homepage:http://profs.sci.univr.it/~cristanm
*------------------------------------------------------*